想控制行业和年份，请问假如reghdfe这条命令是不是如果写成reghdfe P BV EARN FI_TH FIE Size RD Growth Lev,absorb(i.year i.Stkcd) vce(robust)是不是就和xtreg那个等价啦

前辈您好，我想请问一下如果数据是公司层面的，想研究公司海外投资对股票价格的影响，必须要控制到个体固定效应吗

是的 一般都是个体 也就是公司层面的效应

啊，好的，可是就不显著了哎

正常，

xtreg是控制了企业个体效应、行业效应和年份效应，即你设定面板时用的id变量  reghdfe是控制了行业效应和年份效应，结果当然不一样了。另外absorb()里并不需要加i.，设置相同的情况下reghdfe和xtreg的估计系数结果是基本相同的

感谢分享~~~~~~么么哒

不知道，但是给楼主顶

您好前辈，请问，如果用areg ln_w age ttl_exp tenure south i.year i.industry ,absorb(stkcd) vce(cluster stkcd)
和reg ln_w age ttl_exp tenure south i.year i.industry i.stkcd vce(cluster stkcd)
与您发的这两个 结果是一样的吗？

前辈，请问下就您写的reghdfe这个代码后面假如用vce(robust)是指普通的稳健性标准误是吗，没有聚类到公司层面上

看帮助里面的解释


    vce(vcetype, subopt) specifies the type of standard error reported.  Note that all the
        advanced estimators rely on asymptotic theory, and will likely have poor performance
        with small samples (but again if you are using reghdfe, that is probably not your
        case)

        unadjusted/ols estimates conventional standard errors, valid even in small samples
        under the assumptions of homoscedasticity and no correlation between observations

        robust estimates heteroscedasticity-consistent standard errors (Huber/White/sandwich
        estimators), but still assuming independence between observations

        Warning: in a FE panel regression, using robust will lead to inconsistent standard
        errors if for every fixed effect, the other dimension is fixed.  For instance, in an
        standard panel with individual and time fixed effects, we require both the number of
        individuals and time periods to grow asymptotically.  If that is not the case, an
        alternative may be to use clustered errors, which as discussed below will still have
        their own asymptotic requirements.  For a discussion, see Stock and Watson,
        "Heteroskedasticity-robust standard errors for fixed-effects panel-data regression,"
        Econometrica 76 (2008): 155-174

        cluster clustervars estimates consistent standard errors even when the observations
        are correlated within groups.

        Multi-way-clustering is allowed. Thus, you can indicate as many clustervars as desired
        (e.g. allowing for intragroup correlation across individuals, time, country, etc).

        Each clustervar permits interactions of the type var1#var2 (this is faster than using
        egen group() for a one-off regression).

        Warning: The number of clusters, for all of the cluster variables, must go off to
        infinity.  A frequent rule of thumb is that each cluster variable must have at least
        50 different categories (the number of categories for each clustervar appears on the
        header of the regression table).

好的！谢谢前辈

`reghdfe` 和 `xtreg` 这两个命令虽然都可以进行固定效应的回归分析，但它们之间存在一些重要的差异，这些差异可能会导致结果的不同。具体到你提到的交叉项显著性差异的问题，可以从以下几个方面考虑：

1. **处理固定效应的方式**：`reghdfe` 命令通过群集吸收（clustered absorb）来控制固定效应，而 `xtreg, fe` 则是直接将个体或时间固定效应作为模型的一部分。这可能导致在如何估计和调整标准误上的差异。

2. **异方差稳健的标准误**：`reghdfe` 中的 `vce(robust)` 选项提供了一种处理异方差的方法，而 `xtreg, fe r` 中的 `r`（robust）也提供了类似功能。但两者的实现细节可能不同。

3. **样本和缺失值的处理**：在面板数据中，由于数据结构的特点，两个命令对平衡面板与非平衡面板、以及如何处理缺失值上的方法可能有所不同。这可能影响到最终结果的有效性和稳健性。

4. **估计算法和优化过程**：`reghdfe` 和 `xtreg, fe` 在内部使用的估计器和收敛准则上可能存在差异，尤其是在处理高维固定效应时。

5. **模型设定**：虽然表面上看你的命令都是一样的回归方程，但在具体实现中（比如对于吸收效应的处理、权重的使用等），可能会有细微差别。

建议可以检查一下数据是否有缺失值问题，以及是否在两个命令中正确地指定了所有的控制变量和固定效应。此外，你也可以尝试比较这两个模型的具体估计参数和标准误，看看差异主要出现在哪些方面，这可能有助于理解为什么会出现不同的结果。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用